باحثو معهد ماساتشوستس للتكنولوجيا يطورون ذكاءً اصطناعيًا لتقييم مخاطر الانتحار من النصوص

تقييم مخاطر الانتحار المدعوم بالذكاء الاصطناعي من النصوص

كشف علماء في معهد ماكغفرن لأبحاث الدماغ التابع لمعهد ماساتشوستس للتكنولوجيا عن أداة جديدة لمعالجة اللغة مصممة لمساعدة المتخصصين في الصحة العقلية على تحديد الأفراد المعرضين لخطر الانتحار الشديد بسرعة. يحلل هذا النظام المبتكر المحادثات النصية، مثل تلك التي تتم مع مستشاري الأزمات، للكشف عن المؤشرات الحاسمة للنية الانتحارية.

تعمل الأداة بالاستفادة من معجم منسق بدقة من الكلمات والعبارات المرتبطة بـ 49 عامل خطر انتحاري مثبت. من خلال مسح النص بحثًا عن هذه الأنماط اللغوية المحددة، يولد النظام مستوى خطر تقديري، ويزود المستشارين برؤى مدفوعة بالبيانات لتحديد أولويات التدخلات.

تضمن جانب رئيسي من هذا البحث التعاون مع Crisis Text Line، وهي منظمة عالمية غير ربحية للصحة العقلية. قام الباحثون بتحليل بيانات نصية غير محددة الهوية من حوالي 16000 محادثة، مصنفة حسب مستوى المخاطر، لتحسين دقة النموذج. سمحت مجموعة البيانات الواسعة هذه بفهم مفصل للإشارات اللغوية الأكثر دلالة على الخطر الوشيك.

على عكس بعض نماذج التعلم العميق المعقدة، تم تصميم هذه الأداة التنبؤية لتكون خفيفة الوزن وقابلة للتفسير. بينما استفاد إنشاء المعجم من نماذج اللغة الكبيرة (LLMs) المدعومة بوحدات معالجة الرسوميات (GPU)، فإن قدرات الاستدلال الفعالة للنموذج النهائي تسلط الضوء على أهمية تحسين الذكاء الاصطناعي للنشر العملي والمتاح. يقلل هذا النهج من النفقات العامة للحوسبة ويعالج مخاوف الخصوصية، مما يجعل هذه الأدوات الحيوية متاحة بسهولة أكبر لخدمات الصحة العقلية دون الحاجة إلى بنية تحتية واسعة وعالية الأداء لوحدات معالجة الرسوميات للتشغيل اليومي.

لماذا يهم البنية التحتية لوحدات معالجة الرسوميات / الذكاء الاصطناعي

يُظهر تطوير نماذج الذكاء الاصطناعي خفيفة الوزن والقابلة للتفسير مثل هذا الاتجاه المتزايد نحو نشر حلول الذكاء الاصطناعي في التطبيقات الحساسة في الوقت الفعلي. بينما قد يكون إنشاء المعجم قد استفاد من نماذج اللغة الكبيرة (LLMs) القوية المدعومة بوحدات معالجة الرسوميات (GPU)، فإن قدرات الاستدلال الفعالة للنموذج النهائي تسلط الضوء على أهمية تحسين الذكاء الاصطناعي للنشر العملي والمتاح. يقلل هذا النهج من النفقات العامة للحوسبة ويعالج مخاوف الخصوصية، مما يجعل هذه الأدوات الحيوية متاحة بسهولة أكبر لخدمات الصحة العقلية دون الحاجة إلى بنية تحتية واسعة وعالية الأداء لوحدات معالجة الرسوميات للتشغيل اليومي.